

LocalOCR · 功能说明
当一行文字必须和另一列数字对应时,只把字读出来还不够。结构解析保留表格、公式、区域和阅读顺序,让我能继续整理材料,并按同一页的图像位置核对每一处内容。
当前情况:已有保留表格、公式、区域和阅读顺序的解析功能,现役 10 月 26 日版本(和此前 10 月 16 日版本)的合成验收通过;截至 11 月 4 日,现存任务记录里这条结构路线是 0 次(被清掉的旧记录查不到)。行列与关键数字仍需回到原页检查。结构解析只能用显卡:普通文字识别在显卡被占时可以改用 CPU,这条路线不会,显卡不可用时直接报冲突。
项目现状截至 2026-10-11 14:00(北京时间),于同日 16:30–16:48 只读核对;具体测试保留各自日期,页面不实时探测运行状态。
项目源码:公开仓库

LocalOCR · 功能说明
当一行文字必须和另一列数字对应时,只把字读出来还不够。结构解析保留表格、公式、区域和阅读顺序,让我能继续整理材料,并按同一页的图像位置核对每一处内容。
当前情况:已有保留表格、公式、区域和阅读顺序的解析功能,现役 10 月 26 日版本(和此前 10 月 16 日版本)的合成验收通过;截至 11 月 4 日,现存任务记录里这条结构路线是 0 次(被清掉的旧记录查不到)。行列与关键数字仍需回到原页检查。结构解析只能用显卡:普通文字识别在显卡被占时可以改用 CPU,这条路线不会,显卡不可用时直接报冲突。
项目现状截至 2026-10-11 14:00(北京时间),于同日 16:30–16:48 只读核对;具体测试保留各自日期,页面不实时探测运行状态。
项目源码:公开仓库


用途与实际影响
采购表、双栏文档和公式页容易被普通提字打散。这个模块把结构作为明确结果需求:模型负责还原可见关系,原图负责最终复核,不把一段流畅文本当作表格已经准确恢复。
我可以说:“把采购订单的商品、型号、数量、单价和金额按行列保留下来。”系统会检查列数、商品与数字对应关系和合计;识别出来的数字仍要回到原图核对,不能直接当成正确业务金额。
拿到可阅读的表格、公式和页面位置,也有供程序处理的结构化文件;商品与金额关系可回原页核对。它不直接生成 Excel,也不能凭识别到印章就判断真假。
结构与文字一起返回,可以按页和区域核对。
行列、阅读顺序、公式或坐标有误时保留原始输出并回原图检查,不静默改写。
结构模型或输入不支持时返回明确失败;普通提字的结果不能冒充结构解析成功。

用途与实际影响
采购表、双栏文档和公式页容易被普通提字打散。这个模块把结构作为明确结果需求:模型负责还原可见关系,原图负责最终复核,不把一段流畅文本当作表格已经准确恢复。
我可以说:“把采购订单的商品、型号、数量、单价和金额按行列保留下来。”系统会检查列数、商品与数字对应关系和合计;识别出来的数字仍要回到原图核对,不能直接当成正确业务金额。
拿到可阅读的表格、公式和页面位置,也有供程序处理的结构化文件;商品与金额关系可回原页核对。它不直接生成 Excel,也不能凭识别到印章就判断真假。
结构与文字一起返回,可以按页和区域核对。
行列、阅读顺序、公式或坐标有误时保留原始输出并回原图检查,不静默改写。
结构模型或输入不支持时返回明确失败;普通提字的结果不能冒充结构解析成功。

在 LocalOCR 请求中明确说“保留表格行列、公式或区域”,并指定原件。
- 有结构的图片或扫描 PDF
- 需保留的列、公式、印章区域或页码


在 LocalOCR 请求中明确说“保留表格行列、公式或区域”,并指定原件。
- 有结构的图片或扫描 PDF
- 需保留的列、公式、印章区域或页码



- pp-structure-v3 profile 使用 PP-StructureV3 + PP-OCRv5;当前 PaddleOCR 结构接口不能把普通 OCRv6 配置直接套入该路线。
- use_table_recognition、use_formula_recognition、use_seal_recognition、use_region_detection 与 format_block_content 已开启,use_chart_recognition=false。
- engines/structure.py 保留版面、表格 HTML、公式、印章、区域和原始 OCR(光学字符识别) 行,避免只保留展示文本而丢掉独立位置证据。
- engines/vl.py 为复杂 PDF 提供视觉语言解析;VL 与显式 Structure(结构化版面) 是不同选择,不用一个模型名称覆盖所有文档场景。
- 正常 iter_input_pages 采用 216 DPI 和 24M 像素上限逐页渲染并删除上一临时页,独立 input_page_count 验 PDF 页/TIFF 帧;旧显式物化函数默认 scale=2.0,不能当当前所有结果的固定比例。


- pp-structure-v3 profile 使用 PP-StructureV3 + PP-OCRv5;当前 PaddleOCR 结构接口不能把普通 OCRv6 配置直接套入该路线。
- use_table_recognition、use_formula_recognition、use_seal_recognition、use_region_detection 与 format_block_content 已开启,use_chart_recognition=false。
- engines/structure.py 保留版面、表格 HTML、公式、印章、区域和原始 OCR(光学字符识别) 行,避免只保留展示文本而丢掉独立位置证据。
- engines/vl.py 为复杂 PDF 提供视觉语言解析;VL 与显式 Structure(结构化版面) 是不同选择,不用一个模型名称覆盖所有文档场景。
- 正常 iter_input_pages 采用 216 DPI 和 24M 像素上限逐页渲染并删除上一临时页,独立 input_page_count 验 PDF 页/TIFF 帧;旧显式物化函数默认 scale=2.0,不能当当前所有结果的固定比例。

- 普通 OCR(光学字符识别) 对平面截图默认关闭文档形变矫正;VL 与 Structure(结构化版面) 的文档配置仍开启,复核时应核对实际坐标所属图像空间。
- 保留的 9 月 3 日采购表 figure_title 因 figure 标签进入 excluded_regions,Markdown 漏标题且 text_lines 把 PO 读成 P0;当前标签过滤代码仍有该条件,新的表格合成测试没有证明这张旧图已修复。


- 普通 OCR(光学字符识别) 对平面截图默认关闭文档形变矫正;VL 与 Structure(结构化版面) 的文档配置仍开启,复核时应核对实际坐标所属图像空间。
- 保留的 9 月 3 日采购表 figure_title 因 figure 标签进入 excluded_regions,Markdown 漏标题且 text_lines 把 PO 读成 P0;当前标签过滤代码仍有该条件,新的表格合成测试没有证明这张旧图已修复。



| 名词 | 意思 |
|---|---|
| table HTML(表格结构标记) | 保存行列关系的模型输出,可供后续转换;格式存在不代表单元格内容正确。 |
| reading order(阅读顺序) | 文档块应按什么顺序阅读;多栏和复杂布局下仍需核对。 |
| rendered pixels(渲染像素) | PDF 被转成图片后的坐标单位,与原 PDF 的点坐标不同。 |

提取文字之外,还要保留表格行列、阅读顺序、公式和原图位置。



提取文字之外,还要保留表格行列、阅读顺序、公式和原图位置。

- 表格合并或阅读顺序错误: 保留原始结构与文字行,按原图校对;下游转换不得掩盖不确定性。
- 框的位置对不上 PDF: 先核对页码、render_scale、渲染尺寸和矫正空间,不直接把像素框作为 PDF 点坐标。
- 模型未加载或结构解析失败: 保留明确错误;若另选普通提字,应注明能力降级和本次实际输出。

- 表格合并或阅读顺序错误: 保留原始结构与文字行,按原图校对;下游转换不得掩盖不确定性。
- 框的位置对不上 PDF: 先核对页码、render_scale、渲染尺寸和矫正空间,不直接把像素框作为 PDF 点坐标。
- 模型未加载或结构解析失败: 保留明确错误;若另选普通提字,应注明能力降级和本次实际输出。

- 结构与原始文字保留
- 复杂文档路线
- 页面渲染与坐标
- 实际结构选项
- 结构字段回归
- 源码与配置已核对表格、公式、印章、区域开启而图表关闭的实际状态;截至 11 月 4 日,三个默认模型配置和这些开关都没有变化。结构解析配置不带 CPU 参数:10 月 26 日起普通文字识别在显卡被占时可改用 CPU,这条路线不跟着改,显卡被占时返回冲突(409),调度器不可用时返回 503。
- test_structure.py 与相关输出测试验证字段、文字行和坐标保留,不代表真实模型对任意文档准确。
- 9 月 3 日采购表保留六列五条商品和合计,却漏标题并有 PO/P0 错字;9 月 17 日结构表格的九个单元格及自动表格案例通过;9 月 24 日验收的 structure_table 九个关键单元格也通过,10 月 16 日(上一版现役)验收的同一案例关键单元格同样通过;现役 10 月 26 日快照的验收(北京时间 10 月 26 日 04:05:49 开始)依赖、单元、质量三步都正常结束,本轮没有逐项读它的结构案例单元格。不同样例不能相互改写结果:新案例通过,不证明 9 月 3 日那张旧图的漏标题和错字已经修好。截至 11 月 04 日 13:30 的完成任务里没有一条走结构路线,所以这条能力照样保留,只是还没在真实材料上验过。
输入路线决定何时选择结构解析;本模块拥有结构含义,结果模块拥有输出身份与质量解释,后续文档排版由独立工具完成。

- 结构与原始文字保留
- 复杂文档路线
- 页面渲染与坐标
- 实际结构选项
- 结构字段回归
- 源码与配置已核对表格、公式、印章、区域开启而图表关闭的实际状态;截至 11 月 4 日,三个默认模型配置和这些开关都没有变化。结构解析配置不带 CPU 参数:10 月 26 日起普通文字识别在显卡被占时可改用 CPU,这条路线不跟着改,显卡被占时返回冲突(409),调度器不可用时返回 503。
- test_structure.py 与相关输出测试验证字段、文字行和坐标保留,不代表真实模型对任意文档准确。
- 9 月 3 日采购表保留六列五条商品和合计,却漏标题并有 PO/P0 错字;9 月 17 日结构表格的九个单元格及自动表格案例通过;9 月 24 日验收的 structure_table 九个关键单元格也通过,10 月 16 日(上一版现役)验收的同一案例关键单元格同样通过;现役 10 月 26 日快照的验收(北京时间 10 月 26 日 04:05:49 开始)依赖、单元、质量三步都正常结束,本轮没有逐项读它的结构案例单元格。不同样例不能相互改写结果:新案例通过,不证明 9 月 3 日那张旧图的漏标题和错字已经修好。截至 11 月 04 日 13:30 的完成任务里没有一条走结构路线,所以这条能力照样保留,只是还没在真实材料上验过。
输入路线决定何时选择结构解析;本模块拥有结构含义,结果模块拥有输出身份与质量解释,后续文档排版由独立工具完成。
复制 AI 续作说明
项目:把行列、公式与页面位置一起保留下来;仓库:wlyaaaaa/LocalOCR;范围:整个项目;目标:(这里写这次要做的事)。先读项目的 AGENTS.md 和说明,按现行规则做。
把“目标”换成这次要做的事,整段复制给 AI。





